Recommended
Recommended
More Related Content
What's hot
What's hot (20)
Similar to LLM+LangChainで特許調査・分析に取り組んでみた
Similar to LLM+LangChainで特許調査・分析に取り組んでみた (20)
More from KunihiroSugiyama1
More from KunihiroSugiyama1 (13)
Recently uploaded
Recently uploaded (14)
LLM+LangChainで特許調査・分析に取り組んでみた
- 3. １．自己紹介 3 西尾啓（にしおけい） Founder&Coder@株式会社エン ライトオン（知財分析） 弁理士／特許サーチャー @ミノル国 際特許事務所 MLエンジニア@株式会社Zuva(海外 スタートアップデータベース ) 2008年 2023年 弁理士／特許サーチャー @創成国 際特許事務所 長野県南部 2017年 2018年 文献調べるの面倒だな …⇒自然言語処理（NLP） へ 特許以外の分野も 面白そう⇒Zuva参 加 知財分野でNLP頑張る 経歴 1984年
- 5. 知財分野×AIについて 一方、AIが得意な分野もある 特許文献のスクリーニングや技術別分類付与 商標（トレードマーク）の類似画像検索 特許文章の生成補助 ・・・など 5 ２．知財分野×AIについて
- 6. 研究 分析・活用 出願管理・特許管理 特許明細書作成支援 模倣品対策 商標調査 商標出願 アイデア生成 特許・技術調査支援 知財AIサービスマップ２０２３ 意匠調査 意匠出願支援 著作権 ブランド保護 翻訳 最近、知財×AIのサービスは結構出てきている 6 ２．知財分野×AIについて
- 15. ５．特許調査・分析で使えそうなもの探し（実験） No. 機能 概要 ブロク記事 1 特許文献の要約 読みにくい特許文献（海外文献など）を分 かりやすくする リンク 2 特許文献からの情報抽出 内容について自然文で質問する。根拠つ きで回答してもらう。 リンク 3 特許文献中に書いてある （かもしれない）ことを抽出 特定の物質や物性などを抽出する リンク 4 課題・解決手段マップ作成 特許文献の記載内容のうち、課題と解決 手段を抜き出す リンク 6 特許調査の自動化 調査対象の把握〜調査まで自動で リンク 7 分析仮説の作成 アブダクション（仮説推論） リンク 8 LLM同士で議論 LLMに役割を複数持たせて議論 リンク 9 有価証券報告書からデー タ抽出 米国の企業の知財戦略を見てみる ー 15 その他：特許明細書を書く／弁理士試験に合格する・・・など
- 17. ②特許文献からの情報抽出 17 必要性 特許文献を全部（すみからすみまで）読みたくない 利用関数 UnstructuredURLLoader CharacterTextSplitter Chroma サンプル chain = RetrievalQAWithSourcesChain.from_chain_type(model, chain_type="map_reduce", retriever=docsearch.as_retriever()) q1="この発明に記載の方法で処理できる物質を教えてください。 " chain({"question": q1}, return_only_outputs=True) output: {'answer': 'Types of waste that can be processed include normal garbage, toilet solid waste, organic waste, and small amounts of PVC plastic containing chlorine. Glass and metal are not melted but are recovered as completely sterilized at the end of the process cycle for recycling.n', 'sources': 'https://patents.google.com/patent/WO2020118236A1/en, https://patents.google.com/patent/US7998226B2/en'} ５．使えそうなもの探し（実験）
- 18. ③特許文献中に書いてある（かもしれない）ことを抽出 18 必要性 特許文献を全部（すみからすみまで）読みたくな い。しかも書いてない可能性もある 利用関数 create_extraction_chain recursiveCharacterTextSplitter AsyncHtmlLoader BeautifulSoupTransformer サンプル urls = ["https://patents.google.com/patent/US20190078220A1/en"]#,"https://pate nts.google.com/patent/US20160237578A1/en","https://patents.google.com /patent/US20160237578A1/en?"] extracted_content = scrape_with_playwright(urls, schema=schema) Fetching pages: 100%|##########| 1/1 [00:00<00:00, 13.23it/s] Extracting content with LLM [{'Anode initial overvoltage': '1.7 to 1.9 V', 'Anode overvoltage': '0.3 to 0.4 Acm−2', 'durability': 'more than several tens of years'}] ５．使えそうなもの探し（実験） 問：文献中に初期 過電圧と過電圧 について記載が あるか？
- 19. ④課題・解決手段マップ作成 19 必要性 課題と解決手段のクロス集計する（ために、文献１件 毎に「課題」と「解決手段」を抽出したい） 利用関数 create_tagging_chain create_tagging_chain_pydantic サンプル schema = { "properties": { "課題": {"type": "string","description":"発明が解決しようとする課題を抽出" ,"enum":["生産性","滋養強壮","ダイエット","安全性","抗酸化","血中脂質改善、血圧降下","美容"]}, "解決手段": {"type": "string","description":"課題を解決するための方法や手段を抽出" ,"enum":["製造-酵素処理","製造-造粒・成形","製造-粉砕","製造-発酵","製造-混合・攪拌","製造-洗浄","製造-化学的処理"," 製造-加熱","製造-分離抽出","製造-冷却","製造-乾燥","製造-その他"]}, "効果": {"type": "string","description":"発明によるメリットや効果" }, }, "required": ["課題", "解決手段"],} chain = create_tagging_chain(schema=schema, llm=llm) ５．使えそうなもの探し（実験）
- 20. ⑥特許調査の自動化 20 必要性 調査観点の偏りの補完・（楽したい） 利用関数 AutGPTで実験 サンプル（ポイント部分） git clone -b stable https://github.com/Significant-Gravitas/Auto-GPT.git cd Auto-GPT pip install -r requirements.txt cp .env.template .env #コピー後の.envを公式どおり編集。 ./run.sh #実行 ５．使えそうなもの探し（実験） いいことは言っているが、実験時点では 利用できる特許情報が少ないことで、上 手く実行できず。 ⇒LangChain+独自APIで特許情報を簡 単に扱えるようにして、調査を自動化した い
- 21. 21 必要性 分析の観点のアイデア出し 利用関数 LLMChain、human、AgentExecutor、ZeroShotAgent サンプル（ポイント部分） tools = [ Tool( name="Search", func=search.run, description="useful for when you need to answer questions about current events" , ), Tool( name="Human", func=human.HumanInputRun(description="useful for when you need to ask human yes or no about questions." ) ) ] llm_chain = LLMChain(llm=llm, prompt=prompt) agent = ZeroShotAgent(llm_chain=llm_chain, tools=tools, verbose=True) agent_chain = AgentExecutor.from_agent_and_tools( agent=agent, tools=tools, verbose=True, memory=memory ) agent_chain.run(input="make an abduction.",compA="A株式会社",compB="B株式会社",technology="内視 鏡") ⑦分析仮説の作成(1/2) 問：A社とB社が技術的に＊＊分野 で繋がっている理由について仮説を 作る ５．使えそうなもの探し（実験） 人間を道具にできる
- 23. 23 必要性 分析の観点のアイデア出し・自分の知識・考えの偏り の補完 利用関数 Agents サンプル（ポイント部分） names = { "scientist": ["arxiv", "ddg-search", "wikipedia"], "marketer": ["arxiv", "ddg-search", "wikipedia"], "desingner": ["arxiv", "ddg-search", "wikipedia"], } topic = "metamaterialsの可能性" max_iters = 6 n = 0 simulator = DialogueSimulator(agents=agents, selection_function=select_next_speaker) simulator.reset() simulator.inject("Moderator", specified_topic) print(f"(Moderator): {specified_topic}") print("n") while n < max_iters: name, message = simulator.step() print(f"({name}): {message}") print("n") n += 1 ⑧LLM同士で議論 Githubにも類似のものは色々とあります。 役割 使える道具 https://github.com/microsoft/autogen https://github.com/dinobby/ReConcile https://github.com/geekan/MetaGPT https://github.com/aiwaves-cn/agents ５．使えそうなもの探し（実験）
- 24. 24 必要性 特許以外の関連情報を参照したい 利用関数 ConversationalRetrievalChain KayAiRetriever サンプル（ポイント部分） retriever = KayAiRetriever.create(dataset_id="company", data_types=["10-K", "10-Q","PressRelease"], num_contexts=6) qa = ConversationalRetrievalChain.from_llm(model, retriever=retriever) questions = [ "What is IBM's patent strategy?", ] chat_history = [] for question in questions: result = qa({"question": question, "chat_history": chat_history}) chat_history.append((question, result["answer"])) docs = retriever.get_relevant_documents(question) print(f"-> **Question**: {question} n") print(f"**Answer**: {result['answer']} n") ⑨有価証券報告書からデータ抽出 ５．使えそうなもの探し（実験） -> **Question**: What is IBM's patent strategy? **Answer**: IBM's patent strategy focuses on seeking IP protection for its innovations while also emphasizing other initiatives designed to leverage its IP leadership. The company actively pursues intellectual property and invests approximately 8 percent of its total revenue in research and development (R&D). IBM Research works with clients and business units to deliver new technologies and address challenges in areas such as artificial intelligence, quantum computing, security, cloud, and systems. In 2019, IBM was awarded more U.S. patents than any other company, with a total of 9,262 patents, including patents related to artificial intelligence, cloud, cybersecurity, and quantum computing. 問：IBMの特許戦略は？ ⇒SCE Filings（有価証券報告書みたいな情 報）から情報を収集・まとめてくれる。